基于机器学习模型的非实验室数据自然受孕预测新策略：一项耦合社会人口学与性健康因素的前瞻性研究

本研究针对自然受孕预测的临床难题，创新性地采用机器学习（ML）技术分析197对夫妇的社会人口学及性健康数据。通过XGB Classifier等5种算法建模，筛选出BMI、咖啡因摄入等25项关键预测因子，首次实现基于非实验室数据的自然受孕预测（准确率62.5%，ROC-AUC 0.580），为初级医疗机构的生育力评估提供了便捷工具。

　　

在当代生殖医学领域，自然受孕概率的准确预测始终是困扰临床医生的难题。传统预测模型如Hunault模型依赖过时的性交后试验（PCT），Bensdorp模型需要复杂的内分泌检测，这些实验室依赖型方法在基层医疗机构难以推广。更棘手的是，现有模型多聚焦单方因素，忽视了夫妇作为生育单元的整体性。面对这些瓶颈，埃斯基谢希尔奥斯曼加齐大学健康科学学院的研究团队独辟蹊径，尝试用机器学习解码非实验室数据中的生育密码。

这项发表在《Reproductive Sciences》的研究创新性地采用前瞻性队列设计，纳入98对1年内自然受孕的夫妇和99对不孕夫妇。通过结构化表格收集63项参数后，运用Permutation Feature Importance方法筛选25个关键变量，包括女性BMI、月经周期特征、子宫内膜异位症（endometriosis）史，以及男性精索静脉曲张（varicocele）、热暴露等。研究团队特别构建了5种机器学习模型（Random Forest/XGB Classifier等），采用80%训练集+20%测试集的验证策略，最终通过ROC-AUC等指标评估模型效能。

女性特征分析

数据显示女性中位年龄30岁，BMI 26.4，41.1%每日摄入咖啡因，21.3%患多囊卵巢综合征（PCOS）。规律月经者占87.8%，但6.6%有阴道痉挛（vaginismus）史。这些参数经特征选择后，BMI、初潮年龄、子宫手术史等成为核心预测因子。

男性特征分析

男性伴侣中52.8%吸烟，13.2%患精索静脉曲张，7.1%接受过精索静脉曲张切除术（varicocelectomy）。模型筛选出青春期启动年龄、化学物质暴露等独特预测指标，凸显环境因素对男性生育力的影响。

模型性能比较

XGB Classifier以62.5%准确率（ROC-AUC 0.580）成为最佳模型，但所有算法预测效能均未超过0.6。Extra Trees Classifier虽达到0.586的ROC-AUC，其敏感性仅55%，反映出现有数据维度对复杂生育机制的解析局限。值得注意的是，Logistic Regression表现最弱（ROC-AUC 0.432），印证了传统线性方法在非线性生育预测中的不足。

这项研究首次证实了非实验室数据在生育预测中的可行性，其创新价值体现在三方面：首先，突破实验室检测依赖，仅用问诊可获数据实现中等精度预测；其次，首创"夫妇共同体"分析框架，同步整合双方25项生物-行为-环境指标；最后，为基层医疗机构开发了低成本的AI筛查工具。尽管当前模型精度有待提升，但研究揭示的生活方式因素（如咖啡因摄入）和环境暴露（如化学制剂）为生育干预提供了新靶点。

未来研究需在三大方向突破：扩大样本量以提升模型鲁棒性，纳入动态激素监测等生物标志物，以及开发面向夫妇的移动端预测应用。这项开创性工作为人工智能在生殖健康领域的转化应用铺设了基石，其"低成本、高效率、夫妇本位"的理念，或将重塑现代生育力评估的临床路径。